根据在 2023 年麻醉学年会上发表的研究报告，一种使用人工智能 (AI) 的自动疼痛识别系统，有望成为一种无偏见的用于检测手术前、手术中和手术后患者的疼痛情况的方法。

根据在 2023 年麻醉学年会上发表的研究报告，一种使用人工智能 (AI) 的自动疼痛识别系统有望成为一种无偏见的方法，用于检测手术前、手术中和手术后患者的疼痛。

目前，人们使用主观方法来评估疼痛，包括视觉模拟量表（VAS）--患者对自己的疼痛进行评分，以及重症疼痛观察工具（CPOT）--医护人员根据患者的面部表情、肢体动作和肌肉紧张度对其疼痛进行评分。自动疼痛识别系统采用了两种形式的人工智能，即计算机视觉（让计算机拥有 "眼睛"）和深度学习，这样它就能解释视觉效果，从而评估患者的疼痛。

"传统的疼痛评估工具可能会受到种族和文化偏见的影响，从而可能导致疼痛管理不善和健康状况恶化，"该研究的第一作者、加州大学圣地亚哥分校四年级医学生 Timothy Heintz（理学士）说。"此外，由于缺乏可持续观察的疼痛检测方法，围手术期护理还存在差距。我们的概念验证人工智能模型可以通过实时、无偏见的疼痛检测帮助改善患者护理。"

疼痛的早期识别和有效治疗已被证明可以缩短住院时间，预防慢性疼痛、焦虑和抑郁等长期健康问题。

研究人员向人工智能模型提供了143293张面部图像，这些图像来自69名患者的115次疼痛发作和159次非疼痛发作，这些患者接受了从膝关节和髋关节置换术到复杂心脏手术等多种选择性外科手术。研究人员向计算机展示了每张原始面部图像，告诉它是否代表疼痛，然后计算机开始识别模式。

通过热图，研究人员发现，计算机关注的重点是面部表情和面部某些区域的肌肉，尤其是眉毛、嘴唇和鼻子。一旦有了足够多的例子，它就会利用学到的知识进行疼痛预测。人工智能自动疼痛识别系统88%的时间与CPOT结果一致，66%的时间与VAS结果一致。

"海因茨说："与 CPOT 相比，VAS 的准确性较低，因为 VAS 是一种主观测量，受情绪和行为的影响可能比 CPOT 更大。"不过，我们的模型能够在一定程度上预测 VAS，这表明人工智能系统能够识别出一些人类无法识别的非常微妙的线索。

如果研究结果得到验证，这项技术可能会成为医生用来改善病人护理的另一种工具。例如，可以在手术恢复室（麻醉后护理单元）的墙壁和天花板上安装摄像头，通过每秒拍摄15张图像来评估病人的疼痛，甚至是那些失去知觉的病人。这还能让护士和医疗专业人员（他们需要间歇性地花时间评估病人的疼痛）腾出时间，专注于其他护理领域。研究人员计划继续将运动和声音等其他变量纳入模型。

当然，这项技术还需要解决对隐私的担忧，在AI介入的时候要确保病人图像的私密性。这种AI系统后续可能包括其他监测功能，如大脑和肌肉活动，以评估昏迷病人的病情。

文章转载自”medicalxpress“